国产VA免费精品观看精品,天天做天天爱天天综合网

基于CNN和GRU的高階調(diào)制自動編碼器研究[其他][其他]

基于深度學(xué)習的自動編碼器是替代傳統(tǒng)通信發(fā)射器和接收器的一種新方法。提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network， CNN）和門遞歸單元（Gate Recurrent Unit， GRU）的自動編碼器，集成了星座映射和信道編碼功能。設(shè)計了一種并行CNN結(jié)構(gòu)，并將輸入比特流進行分段的one-hot編碼。這樣做有兩個優(yōu)點：（1）與不分段的one-hot編碼相比，數(shù)據(jù)的維度降低了；（2）數(shù)據(jù)的稀疏性降低，這使網(wǎng)絡(luò)可以更快更好地收斂。此外，引入GRU以實現(xiàn)信道編碼。所提出的模型可以應(yīng)用于高階調(diào)制如4096QAM信號，在加性高斯白噪聲（AWGN）信道和瑞利信道下都有著優(yōu)于傳統(tǒng)方法的性能。

發(fā)表于：5/12/2023 11:53:41 AM

旋轉(zhuǎn)變壓器軟解碼算法分析研究[其他][其他]

永磁同步電機矢量控制當中，需要獲得電機轉(zhuǎn)子準確的電角度，在工業(yè)控制當中電機位置傳感器常采用旋轉(zhuǎn)變壓器獲取電機轉(zhuǎn)子位置。旋轉(zhuǎn)變壓器位置解碼常采用專用解碼芯片獲取電機轉(zhuǎn)子位置，但解碼芯片增加硬件開發(fā)成本，故對旋轉(zhuǎn)變壓器的位置解碼進行軟件算法設(shè)計分析。針對傳統(tǒng)二階角度跟蹤器對加速度跟蹤效果不佳的問題進行優(yōu)化設(shè)計，提出對二階跟蹤器進行前饋校正裝置設(shè)計以達到更好的角度跟蹤效果。通過MATLAB/Simulink對軟件算法進行仿真驗證。采用MCAL配置TC275外設(shè)DSADC解碼旋變信息，通過實驗進進行結(jié)果驗證方案的可行性。

發(fā)表于：5/12/2023 11:25:50 AM

基于強化學(xué)習的自適應(yīng)編碼調(diào)制策略[通信與網(wǎng)絡(luò)][5G]

NTN（Non-Terrestrial Network）是面向衛(wèi)星通信和低空通信的重要應(yīng)用場景，標志著5G技術(shù)應(yīng)用從陸地通信走向了空間通信，可以預(yù)見衛(wèi)星網(wǎng)絡(luò)將是未來6G通信網(wǎng)絡(luò)中重要組成。為了滿足衛(wèi)星通信質(zhì)量要求、最大程度地增大系統(tǒng)容量，需要應(yīng)用自適應(yīng)編碼調(diào)制技術(shù)根據(jù)信道狀態(tài)信息在不斷變化的通信環(huán)境下動態(tài)調(diào)整調(diào)制階數(shù)和編碼碼率。人工智能在解決衛(wèi)星高動態(tài)場景下信道條件快速變化所產(chǎn)生的問題具有明顯的潛力。采用基于強化學(xué)習的低軌衛(wèi)星自適應(yīng)編碼調(diào)制策略，解決了衛(wèi)星通信環(huán)境的變化造成的門限表與實際信道不匹配的問題，與傳統(tǒng)ARIMA （Autoregressive Integrated Moving Average）算法相比提升達到20%以上。

發(fā)表于：5/12/2023 11:09:10 AM

基于FXLMS算法的直升機旋翼主動噪聲控制的研究[其他][其他]

為了降低直升機旋翼噪聲，采用FXLMS算法建立了直升機旋翼噪聲主動控制系統(tǒng)模型。采用離線辨識方法對次級聲路徑進行辨識。利用旋翼轉(zhuǎn)速信號構(gòu)造聲源參考信號，從而避免次級聲源對參考信號的干擾。結(jié)合歸一化算法與G-SVSLMS算法，提出一種改進的變步長算法。該算法不僅具有收斂速度快、穩(wěn)態(tài)誤差小的優(yōu)點，而且適應(yīng)參考信號時變的特點，參數(shù)選擇方便。仿真研究了旋翼噪聲，與G-SVSLMS算法相比，該算法具有更快的收斂速度，對參考信號變化的適應(yīng)性更好，與歸一化算法相比具有更小的穩(wěn)態(tài)誤差。結(jié)果表明，該算法能有效降低直升機旋翼噪聲，在一定頻率下降噪效果可達24.8 dB，同時提高了系統(tǒng)的穩(wěn)定性。

發(fā)表于：5/12/2023 11:03:52 AM

基于顯微成像系統(tǒng)最優(yōu)聚焦函數(shù)選取[其他][其他]

與光學(xué)成像系統(tǒng)不同，光學(xué)顯微的成像系統(tǒng)景深較小，在聚焦過程中的主要核心問題在于聚焦評價函數(shù)的選取。針對目前常用的8種聚焦評價函數(shù)進行實驗，并對聚焦評價曲線進行定性分析，采用靈敏度因子、清晰度度比率、平緩區(qū)波動量以及運行時間進行定量分析，結(jié)合分析數(shù)據(jù)選取出適用于顯微成像系統(tǒng)的最優(yōu)聚焦評價函數(shù)。

發(fā)表于：5/12/2023 10:46:50 AM

基于(Δcos(?))?ΔI因子的步進電機驅(qū)動電流優(yōu)化控制研究[其他][其他]

脈沖步進指令控制的傳統(tǒng)步進電機具有開環(huán)定位的特點，無需位置傳感器。而開環(huán)控制的缺點在于當發(fā)生過載時容易導(dǎo)致失步，為了降低失步發(fā)生的概率，步進電機通常以最大電流工作，這會影響其工作效率。針對上述問題，提出了一種基于(Δcos(?))?ΔI因子的優(yōu)化步進電機驅(qū)動電流的控制算法，該算法結(jié)合步進電機的特性及其步進指令脈沖，適用性強，計算過程簡單，無需額外設(shè)置步進電機的機械或電氣參數(shù)。利用混合式步進電機的實測數(shù)據(jù)進行了數(shù)據(jù)仿真實驗，證明了所提出算法的有效性。

發(fā)表于：5/12/2023 10:27:38 AM

面向6G的通信感知一體化[通信與網(wǎng)絡(luò)][5G]

通信感知一體化作為6G的重要特征和關(guān)鍵使能技術(shù)，實現(xiàn)了通信和感知的信息共享和協(xié)同增益。首先介紹了通信感知一體化技術(shù)的研究現(xiàn)狀，從學(xué)術(shù)研究和標準化進展兩方面進行了梳理，進而在網(wǎng)絡(luò)架構(gòu)、組網(wǎng)和波形設(shè)計三方面對于通信技術(shù)和感知技術(shù)的一體化設(shè)計問題進行了深入探討和總結(jié)分析。最后展望了通信感知一體化技術(shù)在6G的中發(fā)展趨勢并分析了可能面臨的挑戰(zhàn)。

發(fā)表于：5/12/2023 10:20:28 AM

一種基于雙歷史站的數(shù)據(jù)庫存儲結(jié)構(gòu)的設(shè)計與實現(xiàn)[模擬設(shè)計][工業(yè)自動化]

在DCS系統(tǒng)中，歷史站承擔著歷史數(shù)據(jù)的收集、存儲以及查詢功能，而實時和歷史數(shù)據(jù)庫存儲結(jié)構(gòu)的設(shè)計則是組態(tài)軟件的核心技術(shù)。設(shè)計了一種基于雙歷史站的實時和歷史數(shù)據(jù)庫存儲結(jié)構(gòu)的設(shè)計和實現(xiàn)方法，分別介紹了系統(tǒng)體系設(shè)計、數(shù)據(jù)采集、實時數(shù)據(jù)數(shù)據(jù)庫設(shè)計、歷史數(shù)據(jù)庫設(shè)計、數(shù)據(jù)同步策略、歷史數(shù)據(jù)庫對外接口等。該系統(tǒng)實時性高、存儲空間節(jié)約、查詢速度快，已經(jīng)廣泛應(yīng)用于多個領(lǐng)域的工業(yè)控制系統(tǒng)。

發(fā)表于：5/12/2023 9:56:10 AM

面向臨床決策支持系統(tǒng)的醫(yī)療文本分析模型[其他][醫(yī)療電子]

醫(yī)療文本的特征提取及分析在建設(shè)臨床決策支持系統(tǒng)方面具有較大的實用價值。針對包含各種術(shù)語和縮寫的原始醫(yī)療文本難以提取特征的情況，提出了一種基于BERT與Word2vec的醫(yī)療文本分析模型。該模型對醫(yī)療病歷中關(guān)鍵醫(yī)療實體進行識別，基于知識建立權(quán)重評分機制，對醫(yī)學(xué)文本進行語義分析。實驗數(shù)據(jù)表明，模型在醫(yī)療文本特征提取方面具有一定優(yōu)勢，對高血壓性腦出血病歷的分析診斷性能良好，能有效應(yīng)用于臨床決策支持系統(tǒng)。

發(fā)表于：5/12/2023 9:49:10 AM

基于增強語義信息理解的場景圖生成[其他][其他]

場景圖生成（SGG）任務(wù)旨在檢測圖像中的視覺關(guān)系三元組，即主語、謂語、賓語，為場景理解提供結(jié)構(gòu)視覺布局。然而，現(xiàn)有的場景圖生成方法忽略了預(yù)測的謂詞頻率高但卻無信息性的問題，從而阻礙了該領(lǐng)域進步。為了解決上述問題，提出一種基于增強語義信息理解的場景圖生成算法。整個模型由特征提取模塊、圖像裁剪模塊、語義轉(zhuǎn)化模塊、拓展信息謂詞模塊四部分組成。特征提取模塊和圖像裁剪模塊負責提取視覺特征并使其具有全局性和多樣性。語義轉(zhuǎn)化模塊負責將謂詞之間的語義關(guān)系從常見的預(yù)測中恢復(fù)信息預(yù)測。拓展信息謂詞模塊負責擴展信息謂詞的采樣空間。在數(shù)據(jù)集VG和VG-MSDN上與其他方法進行比較，平均召回率分別達到59.5%和40.9%。該算法可改善預(yù)測出來的謂詞信息性不足問題，進而提升場景圖生成算法的性能。

發(fā)表于：5/12/2023 9:43:26 AM